Aprendizaje automático
Nací completamente estúpido,
¡Por eso leo libros desde la infancia!..
Administrador del sitio W3SchoolsES. ElMejor
Aprendizaje automático es un subcampo de la inteligencia artificial
"Máquinas que aprenden a imitar la inteligencia humana"
Aprendizaje automático (AA)
La programación tradicional utiliza algoritmos conocidos para producir resultados a partir de los datos:
Datos + Algoritmos = Resultados
El aprendizaje automático crea nuevos algoritmos a partir de datos y resultados:
Datos + Resultados = Algoritmos
Redes neuronales (RN)
Redes neuronales son:
- Una técnica de programación
- Un método utilizado en el aprendizaje automático
- Un software que aprende de los errores
Las Redes Neuronales se basan en el funcionamiento del cerebro humano:
Las neuronas se envían mensajes entre sí. Mientras intentan resolver un problema (una y otra vez), fortalecen las conexiones que conducen al éxito y reducen las que conducen al fracaso.
Perceptrones
El Perceptrón define el primer paso hacia las redes neuronales.
Representa una sola neurona con sólo una capa de entrada y sin capas ocultas.
Aprende a programar un perceptrón.
Redes neuronales
Las redes neuronales son perceptrones multicapa.
En su forma más simple, una red neuronal se compone de:
- Una capa de entrada (amarilla)
- Una capa oculta (azul)
- Una capa de salida (roja)
En el modelo de red neuronal, los datos de entrada (amarillo) se procesan contra una capa oculta (azul) antes de producir la salida final (roja).
La primera capa: Los perceptrones amarillos toman decisiones simples según la entrada. Cada decisión se envía a los perceptrones de la siguiente capa.
La segunda capa: Los perceptrones azules toman decisiones ponderando los resultados de la primera capa. Esta capa toma decisiones más complejas a un nivel más abstracto que la primera.
Redes neuronales profundas
Las redes neuronales profundas son:
- Una técnica de programación
- Un método utilizado en el aprendizaje automático
- Un software que aprende de los errores
Las redes neuronales profundas están formadas por varias capas ocultas de redes neuronales que realizan operaciones complejas en cantidades masivas de datos.
Cada capa sucesiva utiliza la capa anterior como entrada.
Por ejemplo, la lectura óptica utiliza capas bajas para identificar bordes y capas altas para identificar letras.
En el modelo de red neuronal profunda, los datos de entrada (amarillo) se procesan contra una capa oculta (azul) y se modifican contra más capas ocultas (verde) para producir la salida final (rojo).
La primera capa:
Los perceptrones amarillos toman decisiones simples según la entrada. Cada decisión se envía a los perceptrones de la siguiente capa.
La segunda capa:
Los perceptrones azules toman decisiones ponderando los resultados de la primera capa. Esta capa toma decisiones más complejas a un nivel más abstracto que la primera.
La tercera capa:
Los perceptrones verdes toman decisiones aún más complejas.
Aprendizaje profundo (AP)
El aprendizaje profundo es un subconjunto del aprendizaje automático.
El aprendizaje profundo es responsable del auge de la IA de los últimos años.
El aprendizaje profundo es un tipo avanzado de ML que maneja tareas complejas como el reconocimiento de imágenes.
| Aprendizaje automático | Aprendizaje profundo |
|---|---|
| Un subconjunto de la IA | Un subconjunto del aprendizaje automático |
| Utiliza conjuntos de datos más pequeños | Utiliza conjuntos de datos más grandes |
| Entrenado por humanos | Aprende por sí solo |
| Crea algoritmos simples | Crea algoritmos complejos |
